PCB是Printed Circuit Board的缩写,生产制作的工艺主要就是将各种电子元器件按规则焊接在主板上。焊接的好坏直接决定着PCB板的质量好坏,而PCB板的质量又直接关乎到所应用到的电子产品的质量。因此,如何提高焊接的质量并可以精确的判断焊点的质量好坏变的越来越重要。随着电子产品的微型化,对于PCB板的质量也就要求越来越高,焊接的质量也就越来越重要。很多的研究人员投入了大量的精力与物力对PCB板焊点的检测进行了研究,其中,最受大家关注的就是利用极限学习机的方式进行图像的识别。因此,本文在现有的基础上,设计一套基于极限学习机的显微图像识别系统,用来对焊点进行缺陷的检测,本文的主要做了一下几部分工作:本文设计的是一套显微图像识别系统,因此,会使用很多的设备,例如显微镜、CCD相机、光源、采集卡等,首先对于应用的各种设备进行了简单的介绍以及型号的选取。其次,由于要对图像进行采集识别,先要对图像进行一定的处理,例如灰度图转换、滤波降噪等,以保证后期识别时的准确性;本文利用OSTU图像分割的方法将焊点从图像中提取出来,并对处理过后的图像进行LBP特征提取。最后,使用ELM(极限学习机算法),进行焊点质量分类。为了保证算法的稳定性,本文对算法进行了一定的优化处理,通过自适应差分进化算法所具有的全局寻优能力,以此来获取训练误差比较小的时候,ELM所需要的输入权值矩阵以及隐含层偏置矩阵,精确识别结果。通过大量不同缺陷的焊点图片进行传统ELM检测和改进的DE_ELM检测对比,以证明优化的有效性。